買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉華中科技大學申請的專利一種匹配任務難度的類別增量學習模型定制化方法、裝置及存儲介質獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119323245B 。

龍圖騰網通過國家知識產權局官網在2025-04-04發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411874322.9，技術領域涉及：G06N3/084；該發明授權一種匹配任務難度的類別增量學習模型定制化方法、裝置及存儲介質是由李德鵬;張震宇;趙晨陽;劉楊;徐冰瑢;曾志剛設計研發完成，并于2024-12-19向國家知識產權局提交的專利申請。

本一種匹配任務難度的類別增量學習模型定制化方法、裝置及存儲介質在說明書摘要公布了：本發明公開了一種匹配任務難度的類別增量學習模型定制化方法、裝置及存儲介質，屬于分類網絡設計領域。該方法包括：設計匹配當前任務難度的不等式約束，篩選隨機節點，以構建類別增量學習模型的表征學習層的神經單元；以動態前向更新的方式更新類別增量學習模型的分類器層的輸出權值；基于當前任務的訓練數據計算輸出概率，并根據輸出概率對應的激活閾值對神經單元進行參數化，更新類別增量學習模型，得到定制化的類別增量學習模型；獲取訓練過的某一任務的測試數據，將測試數據輸入定制化的類別增量學習模型中激活對應的神經單元，得到輸出類別。分配與任務難度相匹配的擴展配額，使得網絡的擴展與適應新任務所需的模型容量相匹配。

本發明授權一種匹配任務難度的類別增量學習模型定制化方法、裝置及存儲介質在權利要求書中公布了：1.一種匹配任務難度的類別增量學習模型定制化方法，其特征在于，包括：S1、給定當前任務的訓練數據，設計匹配當前任務難度的不等式約束，篩選隨機節點，以構建類別增量學習模型的表征學習層的神經單元；所述訓練數據為自然圖像數據CIFAR-100的均勻劃分版本，訓練數據中的訓練樣本表示為其中，t為分類任務標記，t＝1,2,…,10，Xt為分類任務t的圖像輸入，Yt為分類任務t的圖像輸出，|Dt|為任務t訓練樣本個數，Mt和Ct分別為輸入特征數和輸出類別數；S2、采用梯度下降算法減小訓練誤差，并以動態前向更新的方式更新所述類別增量學習模型的分類器層的輸出權值；S3、基于當前任務的訓練數據計算對應類別的輸出概率，并根據所述輸出概率對應的激活閾值對神經單元進行參數化，更新類別增量學習模型；S4、當下一個分類任務出現時，循環執行S1-S3，直至遍歷所有任務，得到定制化的類別增量學習模型；其中，步驟S1具體包括：S11、當前分類任務t出現時，在可調對稱區間[-λ,λ]內初始化多組隱含層參數對{Wl,Bl}，得到多個隨機節點GlXtWl+Bl；其中，Xt為分類任務t的圖像輸入，λ為區間邊界，l表示每組節點的數量，Wl為連接權值，Bl為偏置；S12、設計單個節點添加方式和批量節點添加方式 其中，L-l表示表征學習層擴展前的節點數；c＝1,2,...,Ct表示任務t所包含的Ct個類別中的第c個，表示訓練誤差，βl,ct表示輸出權值，gl表示隨機節點GlXtWl+Bl個數為1時的情況，即單個隨機節點；δt＝1-rt-μLt表示誤差因子，rt表示誤差遞減量，μLt為收斂平衡系數；S13、設計匹配當前任務難度的不等式約束，并按照所述不等式約束從所述隨機節點中篩選出多個單個節點和多個批量節點，從多個單個節點和多個批量節點中比較并選擇最優的節點，作為目標節點；不等式約束表示為： S14、將目標節點添加到表征學習層相應的神經單元中，擴展表征學習層，并判斷擴展后的網絡是否滿足目標誤差或達到最大添加節點數，若是，得到擴展后的網絡若否，則返回S11；其中，將GlXtWl+Bl表示為βlt為輸出權值向量，表示最佳隱含層參數對。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人華中科技大學，其通訊地址為：430074 湖北省武漢市洪山區珞喻路1037號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。